简介：智慧牧场航拍牛羊检测数据集，聚焦无人机远距离拍摄中的小目标识别，面向智慧农业、畜牧信息化及目标检测算法研究者。内含1021张航拍图像，覆盖cattle、cow、sheep三个类别，共14047个标注框，其中sheep框数9518个，数据贴近真实养殖中羊群密集分布的特点。压缩包共2000个文件，以Pascal VOC的xml标注和YOLO的txt标注为主，xml便于可视化校验，txt可直接接入YOLO训练流程，从数据查看、标注检查到模型训练全链路可用。资源包约97.58MB，体积适中，便于下载与本地部署，全部标注由labelImg工具画框制作，类别划分合理、位置准确，适合智慧牧场牛羊识别、航拍远距离小目标检测等模型的训练与算法验证。目前已有379人学习使用，可为构建畜牧检测数据集或扩充小目标样本的研究者提供可靠基础。

1. 智慧牧场航拍牛羊检测：为什么远距离小目标数据集要先过三关

无人机在牧场上空 40 米巡航，一头牛在 4K 画面里往往只有 30×40 像素，这种远距离小目标检测，拿通用 COCO 预训练模型直接上基本抓瞎。智慧牧场航拍牛羊检测数据集这份 .7z 压缩包，把 1021 张真实航拍图像处理成 VOC 与 YOLO 双格式，三类别标注，省掉了从零标注和格式转换的重复劳动。但拿到手不等于能直接用：要过三关——确认压缩包完整、核对双格式标注一致、再把目录调整成训练框架认的样子。这篇文章按我实际处理这类数据集的操作顺序写，覆盖解压、检查、划分、训练参数和踩坑清单。适合正在做智慧牧场的算法工程师，也适合需要小目标基准数据跑实验的团队。

2. 拿到 7z 先别解压：完整性检查与 VOC/YOLO 双格式核对

2.1 解压前先测压缩包完整性：Linux 命令与 Windows 操作

在 Linux 服务器上，我习惯先用7z t校验压缩包完整性再解压，这一步能避免解压到一半发现文件损坏，还有补救机会。

# 测试 .7z 完整性 7z t 智慧牧场航拍牛羊检测远距离小目标数据集VOC+YOLO格式1021张3类别.7z # 确认无报错后解压，-o 指定目标目录，避免把文件名散落在当前目录 7z x 智慧牧场航拍牛羊检测远距离小目标数据集VOC+YOLO格式1021张3类别.7z -o./pasture_data

7z t输出末尾会显示「Everything is Ok」，看到这个再解压。-o参数后不能加空格，直接跟目录名，这是 7-Zip 和 tar 不一样的地方。解压前顺手df -h看一眼磁盘，1021 张航拍图加标注文件，解压后通常要到几个 GB，预留 2 倍压缩包大小的空间比较稳妥。

Windows 机器上更简单，装好 7-Zip 后右键压缩包选「解压到当前文件夹」。如果在 PyCharm 的终端里操作，Windows 下执行7z命令的前提是 7-Zip 已加入 PATH；没加的话我一般直接右键解压，不再折腾环境变量。

提示：解压完先别删压缩包。后续训练若发现个别图解码失败或标注缺失，压缩包是唯一的后悔药。

2.2 核对目录结构：图像、XML、TXT 三份文件能不能对上

解压后不要急着看标注内容，先确认整体结构。航拍数据集常见组织方式是 images、Annotations、labels 三个目录分别放图片、VOC 的 XML、YOLO 的 txt。

from pathlib import Path root = Path("pasture_data") for d in root.iterdir(): if d.is_dir(): files = list(d.rglob("*.*")) print(f"{d.name}: {len(files)} 个文件")

这段脚本把每个子目录的文件数打出来，第一轮就能发现有没有目录是空的，或者 images 下混进了 .xml 文件。正常的数量关系是：图片数 = XML 数 = txt 数（少数负样本图只有图没有标注，后面单独处理）。1021 张图，如果 images 目录出现 1021 个文件而 labels 只有 800 个，说明有 221 张图的标注丢了，需要回压缩包检查确认是不是原始数据就是如此。

2.3 看懂 VOC 标注：XML 里的 bndbox 是像素坐标

VOC 格式用 XML 描述每个目标，核心是bndbox里的四个值，单位是像素，取目标框的左上角和右下角。

<annotation> <filename>IMG_0001.jpg</filename> <size> <width>3840</width> <height>2160</height> </size> <object> <name>cattle</name> <bndbox> <xmin>120</xmin> <ymin>85</ymin> <xmax>152</xmax> <ymax>118</ymax> </bndbox> </object> </annotation>

这个框宽 32 像素、高 33 像素，在 3840×2160 的画面里属于典型远距离小目标。用 VOC 标注训练时，框架自己会读 XML，但你要是想把这份数据和其他标注来源合并，就要统一命名：name字段的拼写必须一致，别一个写cattle一个写cow，类别数会莫名翻倍。

还需要留意<size>里的宽高是否和实际图片分辨率一致。航拍相机偶尔会带旋转信息，有的工具导出标注时把宽高写反，结果<xmax>大于<width>，这种错位在 VOC 里很隐蔽，后面转 YOLO 时直接算成大于 1 的坐标。

2.4 读懂 YOLO 标注：归一化中心坐标与类别 ID 是训练真正吃的格式

YOLO 系列训练要求 txt 每行一个目标，格式是“类别 ID + 归一化中心 x + 归一化中心 y + 归一化宽度 + 归一化高度”。

0 0.0354 0.0456 0.0089 0.0157 0 0.2134 0.5678 0.0123 0.0189 1 0.4321 0.1234 0.0456 0.0678

第一个数字是类别 ID，3 个类别对应 0、1、2。后面的四个小数因为除以了图片宽高，范围应在 0 到 1 之间。把上面第一行还原，对应 3840×2160 的图，目标中心在 x=136、y=98，宽约 34 像素、高约 34 像素，边界框接近正方形——航拍视角下牛羊的框普遍接近正方形，因为俯拍没有侧视角拉长。

拿到数据集后，我一定做一次快速转换验证：随机抽一个 XML，手工算 YOLO 值，和 txt 里对一下。差一个像素以内是舍入误差，差出 0.1 以上就是格式转换脚本有问题，这份数据不能直接拿来训练。

2.5 脚本找出空标签样本、超界框与微小框

这一步很重要，用小脚本扫一遍全部 labels。

from pathlib import Path label_dir = Path("pasture_data/labels") verify_ok, empty_cnt = 0, 0 for txt in label_dir.rglob("*.txt"): lines = txt.read_text(encoding="utf-8").strip().splitlines() if not lines: empty_cnt += 1 continue for line in lines: parts = line.strip().split() if len(parts) != 5: continue _, x, y, w, h = map(float, parts) if not (0 <= x <= 1 and 0 <= y <= 1 and w > 0 and h > 0): print(f"越界: {txt.name} -> {line}") print(f"空标签文件数: {empty_cnt}")

逻辑说明：空标签（txt 文件内容为空）影响不大，YOLO 会当作背景负样本，但如果空标签数量占比超过 5%，就要考虑是不是标注遗漏。越界坐标几乎一定是格式转换 bug，训练时坐标归一化会出 NaN 或错位，必须修。微小框不报错，但对训练结果影响最大，一个 3×3 像素的框在缩放后可能直接消失。

远距离小目标数据集里，我自己的经验是把宽或高小于 5 像素的框单独统计出来，多数航拍数据集这部分约有 2% 到 5%。它们不一定是错的，但若是标注误差导致的随机微小框，会拉低 mAP，后面换损失函数时这种噪声会被放大。

3. 把 1021 张图整理成 YOLOv5/v8 的目录结构：划分脚本与 data.yaml

3.1 YOLO 系训练框架为什么认「images 与 labels 分目录」这一套

YOLOv5、YOLOv8 这类框架默认用images/train、images/val存图，labels/train、labels/val存标注，二者靠文件名对应。这样设计的用意是效率：训练时按图片路径找同名 txt 比解析一张 XML 再转坐标快得多，而且图片加载管线不需要额外维护格式转换逻辑。

这也意味着训练前要做的不是格式转换，而是目录搬运——把上一节检查合格的 txt 按图片的 train/val 划分同步复制到标签目录。这份数据集标题里写了 VOC + YOLO 双格式，一般不用再转，但验证一下不会亏。如果某些框架不认这套规则，常见做法是写一个软链接目录，把 images 指到实际存储位置，避免大文件复制两份。

3.2 训练集/验证集划分脚本：按拍摄批次划分，别纯随机

随机划分 20% 做验证集是最省事的方式，但航拍视频相邻帧极度相似，纯随机会把同一批连续帧拆到训练和验证里，导致验证指标虚高。常见做法是像 PHM2012 这类工业预测数据集一样按序列分组：如果文件名含拍摄批次或时间戳，就按批次分。

import random import shutil from pathlib import Path random.seed(42) img_dir = Path("images") label_dir = Path("labels") train_img = Path("images/train") val_img = Path("images/val") train_label = Path("labels/train") val_label = Path("labels/val") all_imgs = sorted(img_dir.glob("*.jpg")) val_cnt = int(len(all_imgs) * 0.2) # 按单张随机划分；若文件名带 seq01 之类前缀，改成按前缀分组 random.shuffle(all_imgs) val_imgs = set(all_imgs[:val_cnt]) for img in all_imgs: is_val = img in val_imgs target_img = val_img if is_val else train_img target_lab = val_label if is_val else train_label target_img.mkdir(parents=True, exist_ok=True) target_lab.mkdir(parents=True, exist_ok=True) shutil.copy2(img, target_img / img.name) label = label_dir / f"{img.stem}.txt" if label.exists(): shutil.copy2(label, target_lab / label.name) print(f"train: {len(train_img.glob('*.jpg'))}, val: {len(val_img.glob('*.jpg'))}")

逻辑说明：random.seed(42)保证每次运行划分结果一致，val_cnt取 20% 共 204 张做验证。真正的关键在划分粒度：用shutil.copy2不仅复制图片，也保留原文件时间戳等元信息。如果文件名带seq01_、seq02_这类批次前缀，应先去重批次号再按批次划分，宁可验证集略少，也不能让验证集里混进训练集的近邻帧，否则线上表现会狠狠打脸。

3.3 写 data.yaml 并核对 names 顺序

YOLO 训练入口是 data.yaml，框架按这里面的配置找路径，按nc和names定义类别数。

path: ./pasture_data train: images/train val: images/val nc: 3 names: 0: cattle 1: sheep 2: other

path填项目根目录的相对路径，train和val填相对于根目录的路径。最容易踩的点是names里的顺序必须和 txt 文件的第一个数字严格对应，不能看到类别多就乱排。一个快速验证方法：找一张只含单一类别目标的图，打开它对应的 txt，确认该类别 ID 与names里的顺序一致，比如 txt 里第一行开头是2，那names[2]就要是那个类别名。

4. 远距离小目标的训练策略：分辨率、锚框与损失怎么调

4.1 训练与推理尺寸：为什么小目标数据优先 imgsz=1280

航拍图分辨率通常很高，3840×2160 很常见。若直接缩到 640×640 训练，一个 32×32 像素的目标在缩放后只剩 5×5 像素，经过网络下采样到特征图，可能就剩一个点。这个问题不是调参能解决的，得从输入尺寸下手。

# YOLOv5 训练时指定 python train.py --data data.yaml --img 1280 --batch 16 --epochs 100 # YOLOv8 训练时指定 yolo detect train data=data.yaml imgsz=1280 batch=16 epochs=100

把--img或imgsz调到 1280，相当于让网络看到原始画面的 1/3，而不是 1/6。代价是显存翻倍，batch 往往要从 32 降到 16 甚至 8。如果 GPU 显存只有 8G，常见做法是先按 640 把模型结构和超参跑通，再开 1280 做正式训练，别一上来就崩显存。

推理阶段同样要保证输入尺寸和训练一致。拿训练好的权重做 TensorRT 部署时，若换成 640 输入而训练用的是 1280，小目标召回会掉得厉害，这不是模型坏了，是分辨率不匹配。部署到 Jetson 这类边缘设备时，工程上更稳妥的方案不是整体提高输入，而是把高分辨率图切块推理，后面第 5 章展开讲。

4.2 锚框参数：自动聚类只对中大型目标友好，小目标要手动干预

YOLOv5 训练时会默认跑一次 k-means 聚类，基于当前数据集的标注框重新计算锚框，这比用 COCO 预设锚框更贴合数据。但对远距离小目标，聚类结果容易被少数大框带偏，9 组锚框里大部分落在中等尺寸区间，小目标分配到的那一两组反而失准。

# 在模型 yaml 里手动约束锚框的尺寸范围 anchors: - [5, 6, 8, 10, 12, 14] # P3 层，小目标 - [18, 22, 30, 36, 48, 60] # P4 层 - [80, 100, 140, 170, 220, 280] # P5 层

逻辑说明：YOLO 的 P3 层特征图分辨率最高、步长最小，适合检测小目标，所以第一组锚框要往小里压。上面第一组的 6 个值对应 3 组宽高比，单位是像素——注意这是输入尺寸下的像素，不是原图。若训练尺寸是 1280，锚框值可等比放大；若是 640，锚框值要相应缩小。如果你用的是 YOLOv8，它自带自适应锚框逻辑，一般不用手动改，但建议训练完看一眼anchors日志里聚类出的平均 IoU，低于 0.85 就得手动干预。

4.3 损失函数：CIoU 对小目标不友好，常见替换思路

小目标框的像素误差在总损失里占比很小，CIoU 这类基于 IoU 的损失对绝对像素偏移不敏感：一个 8×8 的框偏了 2 个像素，IoU 掉得不多，但相对误差其实很大。这也是航拍小目标训练收敛慢的根源之一——不是模型笨，是损失函数给不了足够的梯度信号。

常见做法是把回归损失换成 NWD（Normalized Wasserstein Distance）或 Inner-IoU。NWD 的核心是不直接算框的交并比，而是把框建模成二维高斯分布，用 Wasserstein 距离度量分布差异，对微小偏移更敏感。YOLOv8 里改造点集中在回归分支的损失计算：

# 伪代码示意：替换 loss 里的 IoU 计算 # 原：iou = bbox_iou(pred, target, CIoU=True) # 改：nwd = normalized_wasserstein_distance(pred, target) # loss_reg = 1 - nwd

改成 NWD 之后小目标召回通常有明显改善，但中大型目标的框精度可能回退，因为 NWD 对大框的约束不如 IoU 严格。稳妥的做法是加权融合：loss = alpha * ciou_loss + (1 - alpha) * nwd_loss，alpha 取 0.5 到 0.7，按验证集表现调。别指望一次到位，这个超参就是拿验证集试出来的，没有捷径。

5. 航拍小目标数据集训练的四个常见坑与排查方法

5.1 高分辨率图直接缩到 640，目标彻底消失

现象：训练 loss 能降，但 mAP@0.5 一直在 0.1 以下徘徊，验证集上的检测框零星几个。

原因：航拍原图 3840×2160，缩到 640 时一个 30×30 的牛羊框只剩 5×5 像素，经过网络下采样后在特征图上不到一个点，模型根本无从学起。

解决：把训练尺寸提到 1280，batch 相应减小。若显存不够，用滑窗推理——把原图切成 4 块 960×1080，分别推理再合并结果。我一般先跑 1280 训练确认模型有效，再在部署侧用切图处理，两头兼顾。

5.2 坐标转换漏了归一化，Loss 直接变 NaN

现象：训练刚开始没几步 loss 变成 nan，或者验证 mAP 恒为 0，控制台报出大量小于 0 或大于 1 的坐标。

原因：VOC 的 bndbox 是绝对像素坐标，YOLO 要求归一化。转换脚本里如果直接用 xmin 当中心坐标，或者忘了除以图片宽高，就会产生越界值。

解决：回到 2.5 节的脚本全量扫描一遍标签，把越界行过滤出来看比例。如果只有少数行越界，手写脚本修正；如果大面积越界，说明转换脚本有系统性 bug，别打补丁，重写转换函数再用 2.4 节的手工验证核对。

5.3 7z 解压后目录嵌套过深，训练读取报错

现象：PyCharm 或服务器终端跑训练时，报FileNotFoundError或OSError: [Errno 22]，但文件明明存在。

原因：.7z 压缩包内部往往带多层目录，解压后路径可能长达一百多个字符。Windows 路径默认限制 260 字符，Linux 下部分工具对超长路径也敏感。

解决：解压时直接用短根目录，比如C:\data或/data/pasture，别把文件名带进嵌套层级。遇到已经解压坏的情况，回压缩包重新解压到短路径，不要手动改文件路径——手动移动容易破坏 images 和 labels 的对应关系。

5.4 验证集误用近邻帧，指标虚高

现象：训练时验证集 mAP 高达 0.9，部署到真实航拍视频里掉到 0.5，怀疑是模型过拟合。

原因：航拍视频相邻帧几乎相同，随机划分时近邻帧同时进入训练集和验证集，模型相当于“看到过答案”再考试。这是数据集划分最隐蔽的坑。

解决：按拍摄批次划分，同批次的图全部进训练集或验证集。划分逻辑常见做法是先提取文件名前缀（比如flight01_、flight02_），按前缀分桶，再以桶为单位切分。验证指标虚高比偏低更危险，因为它会误导你提前结束调参。

6. 验证数据集值不值得投入：两小时跑完热力图与快速测试

6.1 画一张目标尺寸分布图，先看清小目标占比

不用急着训练，第一步把标注框的宽高分布画出来，明确这份 1021 张的数据里小目标占比多少。小目标一般指相对原图小于 1% 面积的目标，航拍牛羊数据里这类往往超过一半。

import matplotlib.pyplot as plt from pathlib import Path label_dir = Path("labels") areas = [] for txt in label_dir.rglob("*.txt"): for line in txt.read_text().splitlines(): parts = line.strip().split() if len(parts) == 5: _, _, _, w, h = map(float, parts) areas.append(w * h * 100) # 相对面积百分比 plt.hist(areas, bins=50) plt.xlabel("relative area %") plt.ylabel("sample count") plt.title("target size distribution") plt.savefig("size_dist.png")

如果直方图峰值集中在 0.1% 以下，这份数据就是高强度的小目标场景，直接套用常规训练参数大概率翻车；如果峰值在 1% 以上，说明“远距离”主要体现在某一部分图上，训练策略可以中庸一些。

6.2 用最小模型跑一轮 50 epoch 的 smoke test

正式调参前先用 YOLOv5s 或 YOLOv8n 这种最小模型，在默认参数下跑 50 epoch，目的不是拿指标，而是验证数据管线是否通畅、loss 是否下降、标注是否有系统性错误。

yolo detect train data=data.yaml imgsz=1280 model=yolov8n.pt epochs=50

50 epoch 在 1021 张图上，单卡 3090 大概半小时到一小时。这轮跑完看两点：loss 下降曲线是否平滑，验证集上能不能看到牛羊的预测框。如果框位置明显偏移，回到标签检查；如果能检出但召回很低，再动 4.2 和 4.3 节的锚框与损失函数。

6.3 用三个指标判断数据集的投入产出

我习惯把结果压成一张对比表，和自建标注的基线做对照。三类别各自看 mAP@0.5 和 mAP@0.5:0.95，再加一个平均框尺寸的召回率。远距离小目标数据集里 mAP@0.5:0.95 低很正常，预测框和真实框只要偏几个像素，IoU 就掉到 0.5 以下，这是小目标检测的通病，不代表数据白做了。

自己建一个高精度小目标标注集，成本按人力和时间算很容易破万；数据集的 1021 张图如果能让基础模型跑到 mAP@0.5 在 0.6 以上，后续用自采数据微调就能用，投入产出比很划算。我自己的习惯是留下解压后的原始目录和这份划分脚本，每换一个框架版本就重跑一遍管线，省得下次还得从头调。希望帮到你。

本文还有配套的精品资源，点击获取